[发明专利]一种基于多岛遗传和变分模态分解的轴承故障诊断方法

权利要求书

1.一种基于多岛遗传和变分模态分解的轴承故障诊断方法，其特征在于，包括以下步骤：

采集滚动轴承振动信号，并采用经多岛遗传算法优化的变分模态分解方法对滚动轴承振动信号进行分解，得到本征模态分量；

计算各个模态分量的敏感参数SP，并选取敏感参数SP值最大的两个本征模态分量进行重构，并对重构信号进行解调得到包络谱；

采用最小熵卷积MOMEDA算法对包络谱进行信号增强，得到增强后的包络谱；

根据增强后的包络谱识别滚动轴承故障频率特征，进行滚动轴承故障诊断。

2.根据权利要求1所述基于多岛遗传和变分模态分解的轴承故障诊断方法，其特征在于，所述本征模态分量的计算过程为：设置多岛遗传算法的参数并初始化种群，得到个体的参数组合[K,α]；将种群中不同的个体代入变分模态分解算法对振动信号进行分解，得到K个本征模态分量；计算K个本征模态分量的包络熵和Renyi熵，并以局部最小包络熵和局部最小Renyi熵的平均值作为个体的适应度值；根据每个个体的适应度值得到优化后的适应度值；当多岛遗传算法的迭代次数达到最大设定值时，输出最佳适应度值及其相应的最优参数组合[K₀,α₀]；将最优参数组合[K₀,α₀]作为变分模态分解算法的输入参数，得到滚动轴承振动信号的本征模态分量。

3.根据权利要求1所述基于多岛遗传和变分模态分解的轴承故障诊断方法，其特征在于，所述敏感参数SP的计算过程为：根据所述本征模态分量及所述滚动轴承振动信号得到Holder系数；根据所述本征模态分量得到本征模态分量的峰度；根据所述Holder系数及所述峰度得到敏感参数SP。

4.根据权利要求1所述基于多岛遗传和变分模态分解的轴承故障诊断方法，其特征在于，采用Teager能量算子对重构信号进行解调得到包络谱。

5.根据权利要求1所述基于多岛遗传和变分模态分解的轴承故障诊断方法，其特征在于，所述采用最小熵卷积MOMEDA算法对包络谱进行信号增强的过程为：根据包络谱最大峰值所在频率计算并设置最小熵卷积MOMEDA算法的解卷积周期，采用最小熵卷积MOMEDA算法增强重构信号的周期冲击成分。

6.根据权利要求1所述基于多岛遗传和变分模态分解的轴承故障诊断方法，其特征在于，所述滚动轴承振动信号包括正常信号、内圈故障信号、滚珠故障信号及外圈故障信号。